Anonymisierung personenbezogener Daten im Kontext einer verteilten Softwareentwicklung
Inhaltsverzeichnis Vorstellung der Firma Inverso Datenschutz: Warum? Techniken zum Schutz von Daten Erzeugen von Ersatzdaten (klassisch) Erzeugen von Ersatzdaten (durch Anonymisierung) Grad der Anonymisierung und Stufen der Sicherheit 2
Datenschutz: Warum? Zwei Grundanliegen des Datenschutzes: 1. Verantwortungsvoller Umgang mit sensiblen Daten Wahrung von Geheimhaltungspflichten Schutz sensibler Daten (Bsp.: Kontoverbindungsdaten, Kundendaten) 2. Schutz der Persönlichkeitsrechte Jeder hat das Recht auf die freie Entfaltung seiner Persönlichkeit [ ] Art. 2 Abs. 1 Grundgesetz Erzwungen durch: Bundesdatenschutzgetz, Verträge und innerbetriebliche Regelungen 3
Techniken zum Schutz sensibler Daten Klassisch: Überwachen des Umgangs mit kritischen Daten Strafen Einschränken der Zugriffe auf kritische Daten Oder: Erzeugen von unkritischen Ersatzdaten 4
Grundidee der Ersatzdaten Originaldaten sind (unter anderem) personenbezogene und damit datenschutzrechtlich kritische Daten Die Daten sind eine Abbildung von verarbeitungsrelevanten und Personen identifizierenden Informationen Entscheidende Annahme: Merkmale der verarbeitungsrelevanten Informationen lassen sich hinreichend klar von den Merkmalen der identifizierenden Informationen trennen! 5
Gängiges Vorgehen zur Erzeugung von Entwicklungsdaten Reduktion auf Verarbeitungsrelevante Merkmale 6
Anonymisierung als weiterer Lösungsansatz Angestrebte Verbesserung Originaldaten sollen größeren Einfluss bekommen Testdaten sollen einfacher generierbar sein Testdaten sollen Konzeptionsmängel früher aufzeigen Lösungsansatz Reduktion um identifizierende Merkmale 7
Kleines Beispiel Grundidee bisher: - Reduktion der Daten auf die verarbeitungsrelevanten Eigenschaften - Beispiel: graphische Abbildung der Verteilung von Benotungen Grundidee Anonymisierung: - Reduktion der Daten auf die benötigten Informationen (Teil des Konzeptentwurfs) - Reduktion der Daten um die kritischen Informationen 8
Herstellung des Personenbezugs Primäre Identifikationsmerkmale - Namen, Personalausweisnummer, Vertragsnummern, Mitgliedsnummern Sekundäre Identifikationsmerkmale - Klassiker: Geschlecht, Wohnort, Geburtsdatum Hervorstechende Merkmalswerte - Beispiele: Maximal-, Minimalwerte, seltene Werte, 9
Methoden der Anonymisierung (strukturverändernd) Generalisieren / Verringern der Auflösung 10
Methoden der Anonymisierung (wertverändernd) Überlagern Imputation Überschreiben Mikroaggregation 11
Methoden der Anonymisierung (werterhaltend) Zufallsvertauschung Klonen 12
Kombinierte Methode: k-anonymität Grundprinzip: Widersprüchliche Zuordnungen Mengenwachstum: Mögliche Lösung: - Reduktion der Originalmenge auf repräsentative Teilmenge - Schwierigkeiten: Bestimmung der repräsentativen Eigenschaften, unkontrollierter Verlust unvermuteter Eigenschaften 13
Beispiele unzureichender Anonymisierung Anonymisierte Krankenversicherungsdaten herausgegeben durch die GIC (Group Insurance Commission) (2000) - Dr. Latanya Sweeney konnte innerhalb der Datensammlung den Gouverneur von Massachusetts identifizieren und dessen Krankendaten bestimmten und ihm zuschicken - Später konnte sie zeigen, dass sich 87% der Amerikaner anhand der Merkmale Geburtsdatum, Postleitzahl des Wohnortes und Geschlecht eindeutig identifizieren lassen Veröffentlichung der anonymisierten Kundendaten des Videoverleihers Netflix (2006) - Wissenschaftler konnten zeigen, dass anhand einiger weniger Kenntnisse über Vorlieben bestimmter Personen, sich diese in der anonymen Datensammlung leicht identifizieren ließen 14
Allgemeine Problematik beim Einsatz anonymisierender Methoden Anonymität: - Robustheit der Anonymisierung / Sicherheit der Anonymität - Bestimmung der Identifikatoren - Wahl geeigneter Methoden Wert der anonymen Daten: - Wert der Originaldaten beruht auf möglicher Weise unbeachteten, aber verarbeitungsrelevanten Eigenschaften Resultierendes Problem: - Grauzone Bestimmung der Identifikatoren versus Grauzone Bestimmung der verarbeitungsrelevanten Eigenschaften - Priorisieren der Anonymität führt mit hoher Wahrscheinlichkeit zum Verlust unbeachteter Eigenschaften 15
Abgeleitetes Vorgehen Grundsätzliche Zielstellung: Der Schutz der sensiblen Daten vor Missbrauch muss gewährleistet werden! Lösungsidee: Grad der Anonymisierung - Zunehmender Sicherheitsgewinn durch schrittweises, aber robustes Anonymisieren - Motivation des Angreifers versus Aufwand für Informationsgewinn und Risiko von Bestrafung - Grundidee schrittweises Bearbeiten von Identifikationsmerkmalen senkt schrittweise den Wert der Daten für Angreifer, bzw. steigert dessen Kosten für die Verwertung der Daten 16
Sicherheitsstufenmodell Erweitern des bisherigen zweistufigen Modells auf ein fünfstufiges Modell 17
Bereitstellung von Ersatzdaten Bestimmen der verarbeitungsrelevanten Eigenschaften Bestimmen der konkreten Ausprägungen dieser Eigenschaften Schrittweises Anonymisieren der Identifikationsmerkmale unter Erhalt der zuvor bestimmten Eigenschaften Verteilen der Daten auf die Systeme der jeweiligen Ebenen 18
Auslesen der Eigenschaften und Anonymisierung in Stufen 19
Probleme und Schwierigkeiten Komplexität der Datenstruktur - Abhängigkeiten der Datensätze untereinander - Inhaltlich - Zeitlich - Abhängigkeiten der Merkmale innerhalb eines Datensatzes - Bsp.: Familienstand: ledig vs. verheiratet (Seit? Angaben zum Ehepartner?) - Umgang mit Primärschlüsseln - Kritisch bei Neusortierung - Kritisch bei nicht stetigen, nicht nummerischen Werten Aber vor Allem: Bestimmung der identifizierenden Eigenschaften! 20
Vorteile Anpassbarkeit - Auf Infrastrukturen (Kompatibilität zu bestehenden Infrastrukturen) - Anforderungen an die Daten - Aufwand Wiederverwendbarkeit - Je gröber die Methoden, desto besser lassen sich diese wiederverwenden Flexibilität - Austauschbarkeit von Methoden - Ausblenden von Schichten Erweiterbarkeit - Neue Methoden - Neue Sicherheitsschichten Step by Step - Umsetzung als grobe Lösung, dann Verfeinerung zu präziser Lösung Automatisierung - Bereitstellung großer Mengen an Daten 21